多源遥感数据协同的景洪橡胶林叶面积指数光饱和特征研究

罗洪斌 舒清态 王 强 王冬玲 字 李 谢福明

( 西南林业大学林学院，云南 昆明 650233)

叶面积指数（LAI）定义为单位地面面积上所有叶片单面面积的总和[1]，是表征植物冠层结构生理的一个重要参数，目前对其测定的方法大致可分为直接测量法和间接测量法两大类[2]。直接测量借助一定的测量工具对获取的样本叶片直接测量其面积。虽然结果真实可靠，但会对植被造成一定的破坏性，测量效率低，测量范围小。间接测量通常以测定植被冠层内外辐射的参数为基础，然后进行植被冠层结构特征的推断，借助一定的数学模型推算叶面积指数；另一种是直接使用叶面积指数测量仪得到叶面积指数。以上测量方法仅能获取地面有限点的LAI值，不能满足大面积LAI监测。遥感技术的发展使LAI无损、大面积的监测成为了可能[3]，但仍需通过获取的地面的LAI样本点数据，并与遥感影像中提取的光谱植被指数之间建立回归统计模型，从而预测植被LAI的空间分布。

目前较多使用冠层分析仪来获取地面叶面积指数，但只能以点进行样地尺度的叶面积指数获取，且测量值比真实值要偏小。机载激光雷达（LiDAR）能够同时获得较大范围的植被冠层和垂直结构信息，目前已广泛应用于郁闭度、树高、叶面积指数等森林参数的提取[4]，但是机载激光雷达数据获取成本高，且覆盖区域有限。因此，LiDAR数据与光学遥感数据的多数据源协同就起到了不可代替的作用。然而，研究叶面积指数与光学遥感信号响应时发现，当叶面积指数增大到一定程度时，遥感信号响应值不再增大，即出现饱和现象。这是定量遥感估测中碰到的世界性难题，也是影响到叶面积指数估测精度的重要原因。武红敢等[5]运用TM影像提取的植被指数监测马尾松（Pinus massoniana）林分叶面积指数的动态变化时发现，当叶面积指数值大于6时，叶面积指数变化的灵敏度降低。Zhao等[6]研究发现，当叶面积指数超过3时，冠层反射率达到饱和。Baret等[7]根据模型推断植被叶面积指数值大于3时，光谱信息不能精确反演叶面积指数。对比相关研究来看，针对遥感影像原始波段反射率与LAI的光饱和特征的研究较少，Landsat 8 OLI影像数据作为当前LAI遥感估测的重要信息源，对其原始波段光饱和特征研究具有重要意义。

本研究以云南省景洪市机载LiDAR飞行范围为研究区，以陆地卫星影像Landsat 8 OLI为主要信息源，在利用机载LiDAR点云数据提取地面LAI的基础上，借助地统计学中的半方差函数，对叶面积指数各波段光谱饱和特性进行了分析，并对光谱“饱和点”进行求算。研究可为LAI遥感估测中的光谱饱和现象研究提供参考。

1 研究区概况

研究区为云南省景洪市，位于东经100°41′35″～101°00′16″，北纬 21°59′26″～22°04′28″（图1）。该区地处云贵高原、横断山系南端、澜沧江大断裂带两侧，地势北高南低，沟壑纵横山地众多，最高海拔2 196.8 m，最低海拔485 m。属热带湿润型季风气候，干湿季分明，常年高温酷暑，日温差较大，年温差小，基本无霜。平均气温在18.6～21.9 ℃，降水充沛，年平均降水量达1 200～1 700 mm，年平均日照时间为1 800～2 300 h。在热带气候和地形的作用下，形成以赤红壤、砖红壤为主的土壤类型，且土层深厚，自然肥力高。森林植被随海拔和地形起伏变化呈明显的垂直分布，植被主要以热带季节雨林、热带山地雨林、南亚热带季风常绿阔叶林为主。橡胶（Hevea brasiliensis）林在景洪山地的各海拔梯度均有分布，其生长分布的海拔上线是1 200 m左右，是景洪地区极具代表性的乔木植被。

图1 研究区位置Fig. 1 Location of the study area

2 材料与方法

2.1 数据来源与处理

2.1.1 机载激光雷达数据

机载激光雷达数据来源于中国林科院的LiCHy（LiDAR，CCD and Hyperspectral）系统[8]。数据于 2014年 4月由 RIEGL LMS-Q680i传感器获取，平均飞行高度为851 m，扫描角度为±30°，最大脉冲发射频率400 kHz，点云密度为3.9个/m2。离散点云最终以LAS1.2格式存储，飞行区域长32.1 km，宽3.7 km，6个航带总面积118 km2。

数据的前期处理由数据提供商完成，后期处理运用北京数字绿土公司开发的LiDAR 360软件对点云数据进行去噪、植被点和地面点的分离（0～2 m设为低矮植被点，2～6 m设为中等植被点，6～30 m设为高等植被点，30～150 m为建筑物点）、归一化等处理。

2.1.2 Landsat 8 OLI影像数据

研究区所需的2景Landsat 8 OLI数据来源于地理空间数据云网站（http：//www.gscloud.cn/），拍摄时间为2014年4月，具体参数见表1。为满足研究需要，本研究使用ENVI 5.3软件对其进行了辐射定标和大气校正、地形校正等处理。

表1 Landsat 8 OLI影像基本信息Table 1 Basic information of Landsat 8 OLI image

2.1.3 辅助数据

景洪市森林资源二类调查矢量小班图层数据，利用ArcGIS对橡胶林分布区进行裁剪。

2.2 有效叶面积指数的提取

有效叶面积指数在LiDAR 360软件下进行提取，利用地面点生成的DEM对点云进行归一化处理，即将植被点的高程转变为该点相对于地面的高度值。为了与Landsat 8 OLI栅格大小匹配，有效叶面积指数以30 m×30 m分辨率输出。由于没有考虑聚集情况，也没有考虑光合作用部分和非光合作用部分的分离，LiDAR 360提取的叶面积指数指的是有效植被叶面积指数。叶面积基于间隙率模型进行计算，结合用户设定的叶倾角分布计算得到有效叶面积指数（已有研究表明叶倾角的椭圆分布适用于大部分森林的实际情况，值为0.5[9]），其计算方法如下：

式中：a是平均扫描角，ai是第i个点的扫描角度；GF是间隙率，k是消光系数，消光系数与树冠的叶倾角分布紧密相关；ng是提取的激光点云高度值低于高度阈值（2 m）的地面点数，n是总点数。

2.3 训练样本的选取

根据已有的研究区橡胶树分布矢量图裁剪得到条带区橡胶林的有效叶面积指数。在ArcGIS软件中创建渔网产生随机样点，并提取样点所对应的有效叶面积指数。为保证提取样本的代表性，本研究结合叶面积指数大小与光谱反射率散点图对变异值较大的点进行剔除，最终剩下1 649个点作为先验样本数据（图2），样本最大值、最小值、平均值、标准差分别为9.36、0.01、2.50、1.83。

图1 LiDAR条带样地点分布Fig. 2 Location distribution of LiDAR strips

2.4 橡胶林叶面积指数光饱和值的求算

在研究森林叶面积指数与遥感信号响应时发现，当叶面积指数增大到一定程度时遥感信号（包括光学和微波）的响应值不再增大，达到“饱和点”，即出现饱和现象。因此，本研究以叶面积指数为自变量，以特征波段反射率为因变量，借助地统计学中半方差函数理论求解不同波段的饱和值[10]。求解模型有球状模型、高斯模型、指数模型和线性模型等，当前使用较普遍的是球状模型，模型如下：

式中：Y（LAI）为光谱反射率值；C0为叶面积指数在LAI=0时的光谱反射率值；C是供高，即光谱变化率；C0+C为叶面积指数饱和时光谱反射率最大或最小值；BS即为各个波段的光谱饱和值。

若令b0=C0，b1=3C/2BS，b2=-C/2BS3则球状模型变为一般的多元线性回归模型：y=b0+b1×LAI+b2×LAI3，运用最小二乘法即可对模型参数进行求解，从而获得不同波段所对应的叶面积指数饱和值。

3 结果与分析

3.1 相关性分析

使用SPSS 19对叶面积指数和不同波段反射率值进行皮尔逊相关性双侧检验，通过分析相关系数和显著性水平，筛选出与叶面积指数相关性较好的变量，进行“饱和点”的求算，结果见表2。由表2可知，叶面积指数与Landsat 8 OLI原始波段反射率值均呈极显著相关（P＜0.01），相关系数大小介于0.28～0.45之间，其中近红外波段呈正相关，其余波段呈负相关。

表2 叶面积指数与Landsat 8 OLI影像各波段的相关性分析Table 2 Correlation analysis between leaf area index and each band of Landsat 8 OLI image

3.2 叶面积指数光谱响应分析

Landsat 8 OLI的7个波段反射率与叶面积指数的相关性分析结果表明，各个波段反射率与叶面积指数均呈极显著相关（P＜0.01），相关系数均大于0.2。因此，本研究对7个波段光谱响应特征进行分析，Landsat 8 OLI的7个波段反射率与叶面积指数变化见图3。

图3 Landsat 8 OLI原始波段光谱反射率信息Fig. 3 Landsat 8 OLI original spectral reflectance information for each band

由图3可知，B5的反射率变化随着叶面积指数的增大而增大，进而达到饱和，其余波段的反射率均随着叶面积指数的增加而减小，最后达到饱和。结合植被光谱特征分析可知，在可见光范围内（B1、B2、B3、B4）叶绿素是影响植物光谱的重要因素，叶绿素大量吸收摄入的能量，因此随着叶面积指数的增加光谱反射率逐渐减小；在近红外波段（B5）随着叶面积指数的增多，大量的叶片在近红外波段产生较高的反射率，能量透过表层的叶片后，被下一层叶片反射，从而增强了表层叶片的反射能量；而在短波红外（B6、B7）范围内，植被的光谱响应表现为水汽的吸收，叶面积指数增大，叶片水分吸收越大。从光谱反射率变化散点图看出，总体虽然呈现出饱和的趋势，但是在LAI较小范围有部分点并不呈现此变化规律。

3.3 识别叶面积指数光谱饱和点

使用SPSS 19软件分别对半方差函数转化成的二元一次方程进行参数求解，并对回归系数进行t检验，拟合的回归方程系数见表3。

表3 回归系数的显著性Table 3 Significance of regression coefficients

由表3可知，除了近红外波段（B5）的回归系数b2显著性小于0.05以外，其余波段所有自变量回归系数的显著性均小于0.01，表明在7个波段的回归方程在拟合过程中所有自变量对因变量均有显著影响，根据回归方程系数对不同波段的叶面积指数光饱和值进行求解，并根据回归方程拟合得到橡胶林叶面积指数在不同波段反射率下的光谱饱和曲线（图4），从而得到不同波段光谱“饱和点”，即叶面积指数饱和值见表4。

由图4、表4可知，Landsat 8 OLI的7个单波段对应的橡胶林叶面积指数的光谱反射率大小在0～0.3 μm之间，叶面积指数饱和值大小介于5.08～7.51之间，最大值出现在近红外波段（B5），饱和值为7.51；最小值出现在海岸波段（B1），饱和值为5.08；除近红外波段（B5）饱和值较大之外，其余波段的饱和值均介于5～6之间；另外，在可见光范围内（B1～B4）叶面积指数饱和值随着波长的增加而增加，进而达到饱和；在近红外（B5）和短波红外波段（B6、B7）叶面积指数饱和值随着波长的增加而减小，最后达到饱和。

图4 光谱反射率变化曲线Fig. 4 Spectral reflectance change curve

表4 Landsat 8 OLI单波段对应的叶面积指数饱和值Table 4 Leaf area index saturation values for the single band of Landsat 8 OLI

4 结论与讨论

本研究以Landsat 8 OLI数据为信息源，在对LiDAR激光云预处理的基础上利用LiDAR 360软件提取点云条带区橡胶林有效叶面积指数，并提取1 649个点作为地面样本数据，借助地统计学半方差函数理论，对Landsat 8 OLI各原始波段叶面积指数光谱饱和特征进行分析，结果表明：

1）Landsat 8 OLI近红外波段的反射率随着叶面积指数的增大而增大进而饱和，其余波段反射率随着叶面积指数的增大而减小进而饱和，在可见光范围内叶面积指数饱和值随着波长的增加而增加；在近红外和短波红外波段叶面积指数饱和值随着波长的增加而减小，虽然呈现出一定的规律性，但是差异并不是很明显。

2）Landsat 8 OLI的7个原始波段对应的叶面积指数饱和值大小介于5.08～7.51之间，最大值出现在近红外波段（B5），饱和值为7.51；最小值为海岸波段（B1），饱和值为5.08，除近红外波段饱和值较大之外，其余波段的饱和值均介于5～6之间。

目前，地面叶面积指数的获取主要通过直接测量和间接测量。直接测量为破坏性取样法、异速生长方程法和凋落物收集法，此方法测量精确，但费时费力，但也存在一定误差；间接测量主要借助于光学仪器，方便快捷且不具破坏性，但存在明显的低估现象。本研究以LiDAR点云提取的LAI作为先验数据样本，此方法具有一定的创新性和可行性；从样本数量上来说，本次提取了1 649个点作为样本点，样本数量有了一定的保证，研究结果虽然呈现出一定的规律性，但是差异并不是很明显。本次研究对象为橡胶林，有关Landsat 8 OLI橡胶林LAI光谱饱和特征分析的研究较少，但是对比武红敢等[5]、Zhao等[6]、Baret等[7]的研究结果来看，本研究的结果具有一定的合理性。同时，本研究也存在不足之处：1）结合数据源来看，地面LAI是从LiDAR点云中提取，此方法虽然已经成熟并且被广泛应用，但是缺乏人工地面实测LAI数据对LiDAR提取的LAI以及LAI光谱响应特征的变化进行验证；2）样本点的选择过程存在不可控因素，Landsat 8 OLI和LiDAR数据源在像元空间匹配上并不能做到绝对的匹配，只能以周围像元平均值代替，从而造成光谱反射率不能完全反应地面LAI特征；3）LiDAR点云计算叶面积指数时，参与计算的激光点均是高于2 m的植被点，若在橡胶林郁闭度较低的情况下，灌草的渗入导致反射率增加或者减小，此时就造成橡胶林反射率偏大或者偏小，这也是影响橡胶林LAI饱和特征的重要因素；4）在饱和值求算过程中本研究只使用半方差函数理论，方法较为单一。

多源数据的协同相较于传统的的森林资源监测节省了大量的人力、物力、财力，有着广阔的应用前景，在今后的研究中应该考虑添加地面实测数据分析LAI的光谱饱和特征，从而对LiDAR点云中提取LAI光谱饱和特征进行验证，另外，使用微分或者其他的饱和点求算方法进行对比。